- Страна
- Россия
Data Science (LLM/NLP)
Оценка ИИТ1 — крупный и стабильный игрок на рынке с интересными задачами в области ИИ. Вакансия предлагает работу с актуальным стеком технологий и возможность удаленной работы.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИВакансия требует глубокой экспертизы в современных методах работы с LLM (RAG, PEFT, LoRA) и навыков DevOps (K8s, Docker), что делает её сложной для специалистов без профильного опыта в NLP.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для позиции Senior/Middle+ Data Scientist в области LLM на российском рынке медиана составляет около 350 000 - 450 000 рублей. Т1 обычно предлагает конкурентные рыночные условия.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
*⌨️ Data Science (LLM/NLP)*Удаленно (Екатеринбург)
Т1 — это стабильный и надёжный работодатель. Мы помогаем профессионально расти и решать действительно интересные задачи, создаём атмосферу открытости и комфортные условия для работы в гибридном формате.
Требования:— Высшее образование (IT, техническое, математическое);
— Уверенное владение Python, SQL;
— Хорошие знания в области теории вероятностей, математической статистики, алгоритмов машинного обучения ML;
— Знания в области NLP алгоритмов;
— Понимание деталей работы LLM и того, как происходит их дообучение и инференс;
— Опыт деплоя ML/LLM решений (Docker, Kubernetes, cloud);
— Опыт работы с prompt engineering, fine-tuning / PEFT (LoRA, adapters), RAG-подходами.
*➡️*Откликнуться
*📍 Навигация:[База знаний](https://t.me/pyproglib) • [Задачи](https://t.me/py_problems_lib) •* Собеседования
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- SQL
- Machine Learning
- NLP
- LLM
- Docker
- Kubernetes
- Prompt Engineering
- Fine-tuning
- PEFT
- LoRA
- RAG
Возможные вопросы на собеседовании
Проверка понимания современных методов эффективного дообучения моделей.
В чем разница между методами LoRA и полным дообучением (Full Fine-tuning) с точки зрения ресурсов и качества?
Оценка практического опыта построения систем с внешними знаниями.
С какими основными проблемами вы сталкивались при реализации RAG-систем и как их решали?
Проверка навыков вывода моделей в продакшн.
Как вы оптимизируете инференс LLM для работы в высоконагруженных системах?
Проверка фундаментальных знаний в NLP.
Расскажите о механизме Attention в архитектуре Transformer: как он работает и зачем нужен?
Оценка навыков работы с данными.
Как вы подходите к подготовке и очистке датасета для дообучения специализированной языковой модели?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
